关于图中控制数γL,γt的关系

G（V，E）是一个图且D包含于V，如果N[D]=V，则称D为图G的控制集，进一步，对任一个控制集D1而言均有γ（（D））≤γ（（D1))成立，则称D为图G的小控制集，且小控制数γL（G）=min{|D|:D包含于V且D是G的一个小控制集}。如果点集S包含于V，A↓X∈V均有N（X）∩S≠φ或∪↑x∈SN（x）=V，则称S为图G的全控制集，且全控制数γ1（G）=min{|S|:S是G的一个全控制集}。     

关于图中控制数γL,γt的关系

G（V,E）是一个图且D包含于V,如果N[D]=V,则称D为图G的控制集,进一步,对任一个控制集D1而言均有γ（（D））≤γ（（D1))成立,则称D为图G的小控制集,且小控制数γL（G）=min{|D|:D包含于V且D是G的一个小控制集}。如果点集S包含于V,A↓X∈V均有N（X）∩S≠φ或∪↑x∈SN（x）=V,则称S为图G的全控制集,且全控制数γ1（G）=min{|S|:S是G的一个全控制集}。     

图的反符号边全K-控制数

设G=(V,E)是一个图,一个函数f:E→{-1,+1}如果∑e′∈N(e)f(e′)≤0对于至少k条边e∈E成立,则称f为图G的一个反符号边全k控制函数。一个图G的反符号边全k控制数定义为γkst(G)=max{∑e∈Ef(e)|f为图G的反符边全k控制函数}。本文主要给出了连通图G的反符号边全k控制数γkst(G)的若干上限。     

图的关于边删除的外连通控制

对于图G=(V,E),如果V\S中的每个顶点都和S中至少1个顶点相邻,且G[V\S]是连通的,则称V的子集S是图G的外连通控制集.外连通控制集的最小基数~γc(G)称为图G的外连通控制数.给出了树删去1条边后对应的外连通控制数的可达下界,定义了关于边删除的~γc-严格图及~γc-稳定图,并对其相关性质进行了讨论.     

图中控制数的有关结论

令G=(V,E)是一个图,点集S V,如果满足N[S]=V(G)(或N(S)=y(G)),则称点集S是一个控制集(或伞控制集).一个连通图G如果满足:对任何不相邻于一次点的v点,G-v的全控制数小于G的全控制数,则称图G是一个γt-临界图.给出连了通无爪3-正则图G的控制数满足γ(G)≤3-n.同时找到一个直径是2的4-γt-临界图.     

哈密尔顿连通图和邻域并条件（Ⅰ）

记G=(V,E)是简单图,δ表示图G的最小度,NC=min{|N(x)∪N(y)|：x,y∈V（G）mxt∈E（G）|,NC2=min{|N（x）∪N(y)|：x,y∈V(G),d(x,y)=2},1989年Faudree等证明了：若3连通n阶图G,NC≥(2n 1)／3,则G是哈密尔顿连通图。据此进一步研究NC2≥(2n 1)／3,而且研究到2连通图,得到下面结果：若2连通n阶图G,NC2≥(2n 1)／3,则G是哈密尔顿连通图或G=ψ。     

关于无爪图最大团数的一个估计

设图G＝（V，E）是一个简单连通图，称所有同边e关联的边集为e的边邻集，记为Г(e)，并称|Г(e)|为e的边度，记为d(e)。在此基础上给出了有关线图的一个充分必要条件和关于无爪图最大团的一个估计。     

关于一些特殊图类的弱控制多项式的研究

研究一些特殊图类的弱控制多项式.令图G=(V(G),E(G))是一个简单连通图，若对任意v∈V(G),存在u∈V(G),使得uv∈E(G)且d(u)≥d(v)成立，则称v弱控制u.设W(G)?V(G),如果对任意u∈V(G)W(G),存在v∈W(G),使得v弱控制u,则称W(G)为图G的一个弱控制集.含点数最少的弱控制集称为最小弱控制集，最小弱控制集中所包含点的个数称为图G的弱控制数，记为γ_wd(G).图G的弱控制多项式为WD(G,x)=■Wd(G,j)x^印j,其中Wd(G,j)表示图G中阶为j的弱控制集的个数.     

几类笛卡尔乘积图的邻点全和可区别全染色

设f:V(G)∪E(G)→[k]是图G的一个非正常的k-全染色,令权重 φ(x)=f(x)+∑x∈e f(e)+∑y∈N(x)f(y),其中,N(x)={y∈V(G)|xy∈E(G)}对任意的边uv∈E(G),如果有φ(u)≠φ(v)成立,则称f为图G的一个邻点全和可区别非正常k-全染色.图G的邻点全和可区别非正常全染...     

与任意图2-正交的(g,f)-因子分解

设G是一个图，用V(G）和E(G）表示它的顶点集和边集，并设g(x）和f(x）是定义在V(G）上的两个整数值函数，且对每个x∈V(G），有4≤g(x)≤f(x)，则图G的一个支撑子图F称为G的一个（g，f）-因子，如果对每个x∈V(G)，有g(x)≤dF(x)≤f(x)。图G的（g，f）-因子分解是指E(G）能划分成边不交的（g，f）-因子，设F={F1,F2,…,Fm}和H分别是图G的因子分解和子图，若对所有1≤i≤m有|E(H)∩E(Fi）|=2，则称F和H2-正交。本文证明：若G是一个（mg m-1，mf-m 1）-图，H是G中任一有2m条边的子图，则G有一个（g，f）-因子分解与H2-正交。     

p-E-凸集及其若干性质

在p-凸集和E-凸集概念基础上,通过将p-凸集和E-凸集相结合,提出了一种广义凸集——p-E-凸集,使得凸集、p-凸集和E-凸集成为它的特例,推广了凸集的概念.最后,初步研究了p-E-凸集的性质.     

关于模糊粗糙集的一个注记

指出文献[6]中定义的模糊粗糙集的补集不再是模糊粗糙集.为了克服原定义中的缺陷,给出了关于模糊粗糙集的新的补集定义,讨论了相应的运算性质.同时还证明:模糊粗糙集其实就是定义在F格L上的L-模糊集.     

教育实验结果的评价──模糊数学在教育实验中的应用

利用模糊矩阵，对教育实验结果的价值进行综合评判，以实现评价的客观性，并对影响实验结果的各因素作分析。     

q-开集及其性质

给出了q-开集的定义及其相应性质,讨论q-开集同半开集、准开集,α - 集之间的关系.     

康托型集的应用

着重讨论了康托型集在实变函数论中的某些应用。     

粗糙集与模糊集的比较研究

近来许多研究致力于不确定性问题的知识获取，不确定产生于许多方面：它可以来自于对事物进行描述的术语的模棱两可；也可以来自描述过程中对规则的怀疑；或者数据的错误、丢失．处理不确定性问题的理论有很多，粗糙集与模糊集都是有效手段，它们有联系有区别，可以相互补充有机结合起来解决更多问题．     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题.对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质.这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路.     

自相似马氏过程的极性

本文我们给出了任意紧集不是自相似马氏过程的本性极集的充要条件，并讨论了自相似马氏过程极集，本性极集，半极集之间的关系．     

Rough集与Vague集集成模型

不确定条件下信息系统的知识获取是智能信息处理研究的一个热点问题。对前一阶段研究工作进行了总结,重点介绍了Rough Vague集与Vague Rough集模型,并分别讨论了这2种模型的代数性质。这些理论与方法对经典Rough集进行了扩展,为不确定条件下Vague信息系统的知识获取提供了新思路。     

不变反凸模糊集

研究了不变反凸模糊集及其相关性质,推广了有关文献中反凸模糊集的概念和相关结论.首先,通过将不变凸集的思想应用到反凸模糊集,定义了一种新的广义反凸模糊集——不变反凸模糊集:设A∈F(Rn),称A为不变反凸模糊集,若存在映射η:Rn×Rn→Rn,有A(y+αη(x,y))≤A(x)∨ A(y),(V) x,y∈Rn,(V)α∈[0,1].然后,探讨了反凸模糊集与不变反凸模糊集的关系:当η(x,y) =x-y时,不变反凸模糊集就退化为反凸模糊集,显然,反凸模糊集成为不变反凸模糊集的特例；通过构造例子说明不变反凸模糊集不是反凸模糊集,得到不变反凸模糊集是反凸模糊集的真推广的结论.根据不变反凸模糊集的定义,研究了不变反凸模糊集的并、稠密性等性质以及模糊集成为不变反凸模糊集的条件.最后,类似于不变反凸模糊集,分别探讨了模糊集成为不变强反凸模糊集和不变严格反凸模糊集的条件.